Modelos de predicción de mortalidad explicable que incorporan determinantes de salud social y fragilidad física para...

Área de la Ciencia:

• Investigación en cardiología y servicios de salud
• Aplicación del aprendizaje automático en la predicción clínica

Sus antecedentes:

• Comprensión limitada de cómo los determinantes sociales de la salud (SDOH) y la fragilidad física (PF) afectan la predicción de la mortalidad por insuficiencia cardíaca (HF).
• Necesidad de mejorar los modelos de pronóstico para los resultados hospitalarios, de 90 días y de 1 año en pacientes con HF.

Objetivo del estudio:

• Desarrollar modelos explicables de aprendizaje automático (ML) para evaluar el valor pronóstico de SDOH y PF en pacientes con HF.
• Evaluar el rendimiento predictivo de estos modelos en múltiples puntos de tiempo (hospitalario, 90 días, 1 año).

Principales métodos:

• Utilizó el algoritmo eXtreme Gradient Boosting (XGBoost) en los datos de los registros electrónicos de salud de las admisiones por primera vez a la UCI de HF.
• Incluidos los indicadores SDOH (idioma, seguro) y PF (puntuaciones de Braden) junto con las variables clínicas.
• Utilizó las explicaciones aditivas de SHapley (SHAP) para la interpretabilidad del modelo y el análisis de la importancia de las características.

Principales resultados:

• Se desarrollaron modelos de ML con puntuaciones AUROC de 0,836 (en el hospital), 0,790 (90 días) y 0,789 (1 año), superando a los modelos de referencia.
• Los predictores clave identificados: edad, riesgo de caída, lenguaje primario, nitrógeno de urea en sangre, comorbilidades, producción de orina, tipo de seguro y sonidos pulmonares.
• Las tasas de mortalidad observadas: 14,8% en el hospital, 7,0% a los 90 días y 13,5% a un año.

Conclusiones:

• La integración de los indicadores de SDOH y PF en la admisión y el alta de la UCI mejora la identificación de pacientes con IH de alto riesgo.
• Los modelos de ML explicables proporcionan información valiosa sobre los factores que influyen en la mortalidad por HF.
• Los hallazgos pueden orientar intervenciones específicas para mejorar los resultados de los pacientes con insuficiencia cardíaca.